Jevとは

TypeSafe AIが2026年9月に発表した、文字列を生成せず型安全な構造化決定を並列出力する「System One Model」

ひとことで言うと

文字列を生成せず、型安全な構造化データと較正済み確率を高速に出力する新しいタイプのAIモデル。

概要

Jevは、元OpenAI研究者のDiogo Almeida氏が創業したTypeSafe AIから2026年9月15日に発表されたモデル。同社が新たに定義する「System One Model」という新クラスの最初の公開モデルであり、通常のLLMのようにトークン列を逐次生成する代わりに、あらかじめ定義されたスキーマに沿った型安全な構造化データと、それに付随する較正済み確率を単一クエリ内で並列に出力する。トークンを逐次サンプリングしないぶん既存LLMに比べて2桁(公称40〜200倍)高速とされ、エンドツーエンドの応答時間は70〜500ミリ秒、コストも入力トークン当たり0.042ドル/100万トークンで出力トークンは無償とされる。出力がスキーマで制約されるため型エラーが原理的に発生せず、TypeSafeはハルシネーションも起きないと説明している。名称は経済学者ウィリアム・スタンレー・ジェヴォンズ(Jevons)にちなみ、モデルクラス名「System One」はダニエル・カーネマンの著書『ファスト&スロー』における速く直感的な「システム1思考」に由来する。

背景

既存のLLMはチャットなど人間との対話には強い一方、ソフトウェアに組み込んで自動的に意思決定を行わせる用途では、応答が文字列であるため別途パースと検証が必要な上、応答時間が数秒から数百秒かかりコストも高く、ハルシネーションのリスクも避けられないという課題があった。TypeSafe AIは、こうした「自動化」に特化したモデルとして、構造化されたプログラム状態を入力に取り、あらかじめ定義された型の確率的な決定を出力するSystem One Modelを開発した。

歴史

2026年9月15日: TypeSafe AIが最初のSystem One Model「Jev」を早期アクセスとして公開。

アーキテクチャ

Jevは新設計のモデルアーキテクチャと並列サンプラーを採用し、トークンを1つずつ逐次生成する既存LLMのオートリグレッシブなサンプリングとは異なり、定義済みのすべての出力項目に対する確率を単一クエリ内で並列に生成する。学習には、人間の選好に基づくRLHFや検証可能な報酬に基づくRLVRとは異なる独自手法「Reinforcement Learning for Calibrated Decisions (RLCD)」を用い、出力される確率が実際の正解率と一致するよう較正することを目的としている。

ワークフロー

利用側は事前にスキーマ(出力しうる項目とその型)を定義した上で、構造化されたプログラムの状態(state)をJevに送信する。Jevは各項目について較正済みの確率を伴う型安全な値を1回のクエリで返し、スキーマに違反する出力は構造上発生しない。

利点

• 既存の最先端LLMと同等のSystem Oneタスク知能を保ちながら、エンドツーエンド応答時間が70〜500ミリ秒(公称40〜200倍高速)
• 出力がスキーマで型制約されるため型エラーが原理的に発生せず、構造化出力におけるハルシネーションが起きない
• 出力トークンのコストが無償とされ、入力トークンも既存LLMに比べて低コスト

欠点

• 文字列(自由形式のテキスト)生成機能を持たないため、チャットや自由記述のコンテンツ生成といった用途には使えない
• 2026年9月時点で早期アクセス段階であり、公開されているベンチマークやサードパーティのエコシステム・実績はまだ限定的

比較

• LLM — LLMがトークンを逐次生成し自由な文字列を出力するのに対し、Jevは事前定義済みのスキーマの範囲内で型安全な構造化データを並列出力する
• ファンクションコーリング — TypeSafeはJevを「フロンティア知能を持つ関数呼び出し」と位置付けており、非構造化状態を入力に取り型付き確率的決定を返す点でファンクションコーリングの発展形と言える
• RLHF — Jevの学習手法RLCDは、人間の選好を最適化するRLHFや検証可能な報酬を最適化するRLVRとは異なり、較正された確率的決定を最適化目標とする

関連用語

よくある質問

参考文献

• BlogIntroducing System One Models & Jev
• Official WebsiteTypeSafe AI
• DocumentationTypeSafe AI Docs